Kylin概述
Kylin是ebay开发的一套OLAP系统，它是一个MOLAP系统，主要用于支持大数据生态圈的数据分析业务，采用多维立方体（Cube）预计算技术，它主要是通过预计算的方式将用户设定的多维立方体缓存到HBase中，通过预计算的方式缓存了所有需要查询的的数据结果，需要大量的存储空间（原数据量的10+倍），可以将某些场景下的大数据 SQL 查询速度提升到亚秒级别。
1、Kylin的优点和缺点？
优点:预计算，界面可视化
缺点：依赖较多，属于重量级方案，运维成本很高
不适合做即席查询
预计算量大，非常消耗资源
2、Kylin的rowkey如何设计？
Kylin rowkey的编码和压缩选择
维度在rowkey中顺序的调整，
将过滤频率较高的列放置在过滤频率较低的列之前，
将基数高的列放置在基数低的列之前。
在查询中被用作过滤条件的维度有可能放在其他维度的前面。
充分利用过滤条件来缩小在HBase中扫描的范围， 从而提高查询的效率。
3、Kylin的cuboid,cube和segment的关系？
Cube是所有cubiod的组合，一个cube包含一个或者多个cuboid
Cuboid 在 Kylin 中特指在某一种维度组合下所计算的数据。
Cube Segment 是指针对源数据中的某一片段，全量构建的cube只存在唯一的segment，该segment没有分割时间的概念，增量构建的cube，不同时间的数据分布在不同的segment中
4、kylin你一般怎么调优
Cube调优
l剪枝优化(衍生维度，聚合组，强制维度，层级维度，联合维度)
l并发粒度优化
lRowkeys优化(编码，按维度分片，调整维度顺序)
l降低度量精度
l及时清理无用的segment
Rowkey调优
lKylin rowkey的编码和压缩选择
l维度在rowkey中顺序的调整，
l将过滤频率较高的列放置在过滤频率较低的列之前，
l将基数高的列放置在基数低的列之前。
l在查询中被用作过滤条件的维度有可能放在其他维度的前面。
充分利用过滤条件来缩小在HBase中扫描的范围， 从而提高查询的效率。
5、为什么kylin的维度不建议过多？
Cube 的最大物理维度数量 (不包括衍生维度) 是 63，但是不推荐使用大于 30 个维度的 Cube，会引起维度灾难。
6、Kylin cube的构建过程是怎么样的？
选择model
选择维度
选择指标
cube设计(包括维度和rowkeys)
构建cube(mr程序，hbase存储元数据信息及计算好的数据信息)
7、Kylin维度优化有几种类型？
衍生维度
聚合组
强制维度
层级维度
联合维度
8、cube优化？
剪枝优化(衍生维度，聚合组，强制维度，层级维度，联合维度)
并发粒度优化
Rowkeys优化(编码，按维度分片，调整维度顺序)
降低度量精度
及时清理无用的segment
